Strategi Produk Bundling Tanaman Hias Berbasis Data Mining Menggunakan Algoritma FP-Growth

Authors

  • Fakhrian Fadlia Adiwijaya Universitas Komputer Indonesia
  • Muhammad Ikhlas Naufalsyah Ranau Universitas Komputer Indonesia
  • Maya Hermawati Universitas Komputer Indonesia

DOI:

https://doi.org/10.26418/justin.v14i2.94360

Keywords:

Data Mining, Association Rule, FP-Growth, CRISP-DM, Produk Bundling

Abstract

Bundling merupakan strategi pemasaran yang penting bagi perusahaan, terutama untuk melakukan bundling pada penjualan tanaman hias. Saat ini metode bundling yang dilakukan masih menggunakan metode manual yang tidak memberikan keuntungan optimal dan kurang sesuai dengan pola pembelian konsumen. Pada penelitian ini bertujuan untuk mengotomatisasi penentuan paket bundling menggunakan data mining dengan metode association rule menggunakan algoritma FP-Growth. Metodologi yang digunakan untuk membangun data mining ini menggunakan CRISP-DM yang mencakup tahapan business understanding hingga deployment. Kontribusi utama penelitian ini adalah integrasi pola asosiasi hasil mining dengan kebijakan bisnis perusahaan dengan menggabungkan produk terlair, tidak laris, dan produk baru untuk meningkatkan relevansi paket. Hasil analisis terdapat 814 data transaksi dan menghasilkan 10 aturan asosiasi unik dengan tingkat confidence mencapai 80%. Sistem yang dibangun berbasis website yang dikembangkan mampu menyajikan 10 rekomendasi paket bundling lengkap dengan estimasi harga dan keuntungan yang mungkin diterima oleh perusahaan. Pengujian black-box mengonfirmasi bahwa sistem berfungsi secara akurat dan mendukung pengambilan keputusan strategi pemasaran perusahaan.

References

Z. U. Rizqi, “Implementasi Association Rule-Market Basket Analysis dalam Menentukan Strategi Product Bundling pada Usaha Ritel,†Performa Media Ilm. Tek. Ind., vol. 21, no. 2, p. 113, 2022, doi: 10.20961/performa.21.2.30156

M. F. Harby, E. D. Wahyuni and N. C. Wibowo, “Rekomendasi Strategi Penjualan Bundling di Cafe SZ Point Menggunakan Algoritma Frequent Pattern Growth,†JITET (Jurnal Informatika dan Teknik Elektro Terapan) , vol. 12, no. 3, pp. 2718-2725, 2024

I. Ernawati and N. Matondang, “Product Bundling Application to Support Implementation of Association Rule Mining Using FP-Growth,†Jurnal Teknologi Informasi dan Pendidikan, vol. 14, no. 1, pp. 60-63, 2021

A. H. Shalaby, D. M. M. A. e. Letif, D. A. Rezk and P. M. Hagag, “Suggested Marketing Strategy Using Apriori and FP-Growth Algorithms in retail sales in Egypt,†International Journal of Computers & Technology, vol. 14, no. 11, pp. 6190-6200, 2015

D. A. Istiqomah, Y. Astuti and S. Nurjanah, “Implementasi Algoritma FP-Growth dan Apriori untuk Persediaan Produk,†JIP (Jurnal Informatika Polinema) , vol. 8, pp. 37-42, 2022

I. Musdalifah and A. Junanto, “Analisis Perbandingan Algoritma Apriori Dan FP-Growth Dalam Pembentukan Pola Asosiasi Keranjang Belanja Pelanggan,†Progresif: Jurnal Ilmiah Komputer , vol. 18, no. 2, pp. 175-184, 2022

D. Rachmawati, Y. Cahyana, E. E. Awal and S. Faisal, “Perbandingan Algoritma Apriori dan Algoritma FP-Growth dalam Menentukan Pola Penjualan Pupuk,†JURNAL RESISTOR, vol. 3, no. 1, pp. 21-31, 2024

M. Boussaa, I. Atouf, M. Atibi, and A. Bennis, “ECG signals classification using MFCC coefficients and ANN classifier,†in Proceedings of 2016 International Conference on Electrical and Information Technologies, ICEIT 2016, 2016, vol. 5, no. 4, pp. 480–484, doi: 10.1109/EITech.2016.7519646

D. Pratama, K. and E. Tohidi, “Market Basket Analysis pada Data Penjualan UMKM Menggunakan Algoritma FP-Growth,†JATI (Jurnal Mahasiswa Teknik Informatika) , vol. 8, no. 4, pp. 8197- 8206 , 2024.

H. Jantan, N. Supardi, H. A. M. A. Majid and U. F. M. Bahrin, “Association Rule Mining Based Food Preferences Analysis Using FP-Growth Mwthod,†in Cryptology and Network Security with Machine Learning, Springer Nature, 2024, p. 217–230

C. Satria, A. Anggrawan and M. , “Recommendation System of Food Package Using Apriori and FP-Growth Data Mining Methods,†Journal of Advances in Information Technology, vol. 14, no. 3, pp. 454-462, 2023

D. Supriyadi, A. Mahardika and A. Febriani, “Penerapan Association Rule Mining Berbasis Algoritma Frequent Pattern Growth Untuk Rekomendasi Penjualan,†urnal Teknik Informatika dan Sistem Informasi , vol. 7, no. 2, pp. 135-148 , 2020

D. T. Larose, Discovering Knowledge in Data: an Introduction to Data Mining, vol. 100, no. 472. 2005

R. Saputra and A. J. P. Sibarani, “Implementasi Data Mining Algoritma Apriori untuk Meningkatkan Penjualan,†J. Tek. Inform. UNIKA St. Thomas, vol. 7, no. 2, pp. 188–197, 2021, doi: 10.54367/jtiust.v6i1.1276

M. Arhami and M. Nasir, Data Mining Algoritma dan Implementasi, Yogyakarta: ANDI, 2020

Herianty, D. Lasut, and R. R. Oprasto, “Penerapan Data Mining dengan Algoritma Apriori untuk Analisis Pola Pembelian Konsumen di Violet Vape Store,†J. Tek. Komput. AMIK BSI, vol. 9986, no. September, p. 18, 2020

L. Selmakaramy, R. R. Muhima, and C. N. Prabiantissa, “Penerapan Algoritma Fp-Growth Untuk Menentukan Paket Hemat Toko XYZ Sebagai Strategi Penjualan,†pp. 1–7

E. Anderson and F. F. Adiwijaya, “Penerapan Data Mining Asosiasi Genre Game Untuk Market Research,†J. Penelit. Mhs. Tek. dan Ilmu Komput., vol. 2, no. 2, pp. 77–84, 2022, doi: 10.34010/jupiter.v2i2.8676

Downloads

Additional Files

Published

2026-04-06

Issue

Vol. 14 No. 2 (2026)

Section

Articles

License

Copyright (c) 2026 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).  

                             

This is a human-readable summary of (and not a substitute for) the license. Disclaimer.

You are free to:
Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.